Java 正则表达式 xml 解析答案

【问题标题】：Java Regex xml parsingJava 正则表达式 xml 解析
【发布时间】：2012-01-25 08:24:45
【问题描述】：

我正在尝试在 xml 中从头到尾查找标签并将其替换为空白。一个示例 xml 是这样的

<lins>
  <lin index="1"> ...<feature>Something</feature>... </lin>
  <lin index="2">...<feature>Something</feature>... </lin>
  <lin index="3">...<feature>Something</feature>....</lin>

  <lin index="1">...<feature>Icom</feature>... </lin>
  <lin index="2">...<feature>Icom</feature>... </lin>
<lins>

当我在两者之间看到 Icom 时，我需要删除 <lin> 到 </lin>

<lin\s(.+?Icom.+?)+</lin> 正在删除所有 lin 项目，因为它匹配第一个开始 <lin> 标记和最后一个 lin 结束标记。如果您能提出一种方法来做到这一点，我们将不胜感激。我也不能在我的情况下使用 xml 解析器。

【问题讨论】：

请重新编写您需要删除的内容。不清楚。
您没有选择使用某些 xml 解析器？
我正在尝试在 xml 中从头到尾查找标签并将其替换为空白。问题中有一个示例 xml。在上面的例子中，我需要找到并删除 ... Icom... ... Icom... 规则是每当我看到 Icom 删除到我使用的正则表达式是删除所有 lin 标签。
我的情况我不能使用 XML 解析器
那是什么情况，几乎所有人类已知的平台都有 XML 解析器。

标签： java xml regex

【解决方案1】：

String result = subject.replaceAll("(?s)<lin\\b(?:(?!</lin).)*Icom(?:(?!</lin).)*</lin>", "");

应该这样做，除非您将<lin> 标签相互嵌套（或在 cmets/strings 中）。

说明：

<lin\b              # Match <lin (but not link or linen)
(?:                 # Match...
 (?!</lin)          # as long as we're not at a closing tag
 .                  # any character
)*                  # any number of times.
Icom                # Match Icom
(?:(?!</lin).)*     # (as above:) Match any character except closing tag
</lin>              # Match closing tag

【讨论】：

如果有内部标签则不匹配
@Ademiban：这正是我写的。此外，它将匹配，但它会匹配字符串的不正确部分（这可能更糟，这就是为什么我写了<lin>标签不能嵌套）。
@user1110005 很高兴接受这个答案并在旁边打勾。

【解决方案2】：

你不能用正则表达式来做到这一点。
对于这个例子：

<tag>
    <tag> something </tag>
</tag>

<tag>
</tag>

如果您使用"<tag>(.*)</tag>" 正则表达式，您的组将是：

    <tag> something </tag>
</tag>

<tag>

如果您使用"<tag>(.*?)</tag>" 正则表达式，您的组将是这样的：

    <tag> something

你应该使用类似堆栈的东西来获取开始标签的结尾。

【讨论】：

你的观点是有效的（关于嵌套字符串），但是你的例子都是错误的。

【解决方案3】：

我认为您需要向正则表达式添加更多组。

为前提条件添加一个组以开始检查 ex (

然后是中间内容的组，Icom 等的组。

所以在我的脑海中，我的 RegEx 看起来像：

(<lin\ index\=)(\w+Icom\w+)(\<\/lin>)

请注意，转义可能会略微偏离，但本质上您需要更多的组和一些不那么急切的匹配器。

【讨论】：